آموزش نکات ، ترفندها و روشهای پایتون بیشتر برای علوم داده

More Python Tips, Tricks, and Techniques for Data Science

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: قدرت و تطبیق پذیری پایتون - همراه با اکوسیستم بزرگ بسته های شخص ثالث - آن را برای دانشمندان داده ضروری می کند. در این دوره ، مربی Harshit Tyagi نکات و تکنیک های عملی را به اشتراک می گذارد که می تواند به شما کمک کند گردش کار علم داده Python خود را تقویت کنید. Harshit نحوه کار با نوت بوک های IPython ، از جمله نحوه اشکال زدایی خطاها را پوشش می دهد. وی نحوه استفاده از NumPy برای دستکاری آرایه ها و همچنین نحوه کار با پانداها ، ابزار دستکاری و تجزیه و تحلیل داده ها را نشان می دهد. وی نکاتی را برای تجسم داده های شما با Matplotlib ارائه می دهد و توضیح می دهد که چگونه می توانید متن را به نمودارها اضافه کرده و عناصر حاشیه را در نمودار اضافه کنید. بعلاوه ، بهترین روشها را برای کار با یادگیری قلبی ، و همچنین سایر نکات یادگیری ماشین به دست آورید.

سرفصل ها و درس ها

مقدمه Introduction

  • نکات و ترفندها در پایتون Tips and tricks in Python

1. IPython و Jupyter Notebook 1. IPython and Jupyter Notebook

  • دسترسی به روش ها و اسناد Accessing methods and documentation

  • خطاها و اشکال زدایی Errors and debugging

  • مشخصات و زمان بندی کد Code profiling and timing

2. NumPy و Pandas 2. NumPy and Pandas

  • ملزومات آرایه های NumPy Essentials of NumPy arrays

  • صدا و سیما Broadcasting

  • مقایسه ، ماسک و منطق بولی Comparison, masks, and Boolean logic

  • نمایه سازی و زیرمجموعه پانداها Pandas indexing and subsetting

  • مدیریت داده های از دست رفته Handling missing data

  • تجمیع و گروه بندی Aggregation and grouping

  • پرس و جو و فیلتر کردن داده ها Querying and filtering data

3. تجسم با Matplotlib 3. Visualization with Matplotlib

  • نکات کلی درباره نقشه General plotting tips

  • افزودن متن و حاشیه نویسی Adding text and annotations

  • زیرمجموعه های متعدد Multiple subplots

4. نکات یادگیری ماشین 4. Machine Learning Tips

  • sklearn Estimator API sklearn Estimator API

  • اعتبارسنجی مدل و تنظیم بیش از حد پارامتر Model validation and hyperparameter tuning

  • مهندسی ویژگی Feature engineering

  • ایجاد خطوط لوله یادگیری ماشین Creating machine learning pipelines

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش نکات ، ترفندها و روشهای پایتون بیشتر برای علوم داده
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 58m
19
Linkedin (لینکدین) lynda-small
10 مهر 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
310
- از 5
ندارد
دارد
دارد
Harshit Tyagi

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Harshit Tyagi Harshit Tyagi

مربی و استاد علوم داده Harshit Tyagi یک مربی و مربی علوم داده است.

Harshit به بیش از هزار دانش آموز کمک کرده است تا اصول برنامه نویسی و علوم داده را تسلط یابند. وی در نقش های خود در OpenClassrooms و Coding Ninjas ، از مهارت فنی خود برای انجام کارگاه ها و کمک به دانشجویان برای آوردن پروژه های دوره خود به خط پایان استفاده می کند. وی همچنین دارای یک کانال YouTube است ، جایی که او مفاهیم اساسی در علوم داده و مصاحبه پایتون را پوشش می دهد نکات و موارد دیگر علاوه بر تمرکز بر آموزش علوم داده ، هارشیت الگوریتم های پردازش داده را با دانشمندان تحقیق در ییل ، MIT و UCLA توسعه داده است.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.